Fugu-MT 論文翻訳(概要): Deep Learning Based Joint Channel Estimation and Positioning for Sparse XL-MIMO OFDM Systems

論文の概要: Deep Learning Based Joint Channel Estimation and Positioning for Sparse XL-MIMO OFDM Systems

arxiv url: http://arxiv.org/abs/2507.19936v1
Date: Sat, 26 Jul 2025 12:47:39 GMT
ステータス: 翻訳完了
システム内更新日: 2025-07-29 16:23:56.471509
Title: Deep Learning Based Joint Channel Estimation and Positioning for Sparse XL-MIMO OFDM Systems
Title（参考訳）: 深層学習に基づくSparse XL-MIMO OFDMシステムのジョイントチャネル推定と位置決め
Authors: Zhongnian Li, Chao Zheng, Jian Xiao, Ji Wang, Gongpu Wang, Ming Zeng, Octavia A. Dobre,
Abstract要約: 位置推定とチャネル推定を組み合わせた深層学習に基づく2段階のフレームワークを提案する。位置決め段階では、ユーザの座標を予測し、チャネル推定段階で利用する。本稿では,チャネル推定と位置推定のためのU字型マンバアーキテクチャを提案する。
参考スコア（独自算出の注目度）: 25.910259131859185
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: This paper investigates joint channel estimation and positioning in near-field sparse extra-large multiple-input multiple-output (XL-MIMO) orthogonal frequency division multiplexing (OFDM) systems. To achieve cooperative gains between channel estimation and positioning, we propose a deep learning-based two-stage framework comprising positioning and channel estimation. In the positioning stage, the user's coordinates are predicted and utilized in the channel estimation stage, thereby enhancing the accuracy of channel estimation. Within this framework, we propose a U-shaped Mamba architecture for channel estimation and positioning, termed as CP-Mamba. This network integrates the strengths of the Mamba model with the structural advantages of U-shaped convolutional networks, enabling effective capture of local spatial features and long-range temporal dependencies of the channel. Numerical simulation results demonstrate that the proposed two-stage approach with CP-Mamba architecture outperforms existing baseline methods. Moreover, sparse arrays (SA) exhibit significantly superior performance in both channel estimation and positioning accuracy compared to conventional compact arrays.
Abstract（参考訳）: 本報告では, 近距離場外大出力多重出力(XL-MIMO)直交周波数分割多重化(OFDM)システムにおける結合チャネル推定と位置決めについて検討する。チャネル推定と位置推定の協調的なゲインを実現するために,位置推定とチャネル推定を組み合わせた深層学習に基づく2段階フレームワークを提案する。位置決め段階では、ユーザの座標を予測し、チャネル推定段階で利用することにより、チャネル推定の精度を高める。本稿では,CP-Mambaと呼ばれるチャネル推定と位置決めのためのU字型Mambaアーキテクチャを提案する。このネットワークは、U字型畳み込みネットワークの構造上の利点とマンバモデルの強みを統合し、局所的な空間的特徴とチャネルの長距離時間依存性を効果的に捉えることができる。数値シミュレーションの結果,CP-Mambaアーキテクチャによる2段階のアプローチは,既存のベースライン手法よりも優れていた。さらに、スパースアレイ(SA)は、従来のコンパクトアレイと比較して、チャネル推定と位置決め精度の両方において著しく優れた性能を示す。

関連論文リスト

Near-Field Channel Estimation for XL-MIMO: A Deep Generative Model Guided by Side Information [70.25632840894272]
本稿では,大規模マルチインプット多重出力(XL-MIMO)システムにおける近接場(NF)チャネル推定について検討する。我々は、推定チャネルを洗練するためのGenAIベースのアプローチを提案する。実験結果から,提案手法はCEの大幅な性能向上を実現することができることが示された。
論文参考訳（メタデータ） (2025-05-11T08:35:36Z)
Joint Sparsity Pattern Learning Based Channel Estimation for Massive MIMO-OTFS Systems [46.42375183269616]
大規模マルチインプット・マルチアウトプット(MIMO)変調システムのためのジョイント・スパシティ・パターン・ラーニング(JSPL)に基づくチャネル推定手法を提案する。シミュレーション結果と解析の結果から,提案したチャネル推定手法は,最先端のベースライン方式よりも性能が向上することが示された。
論文参考訳（メタデータ） (2024-03-06T15:05:39Z)
Joint Channel Estimation and Feedback with Masked Token Transformers in Massive MIMO Systems [74.52117784544758]
本稿では,CSI行列内の固有周波数領域相関を明らかにするエンコーダデコーダに基づくネットワークを提案する。エンコーダ・デコーダネットワーク全体がチャネル圧縮に使用される。提案手法は,共同作業における現状のチャネル推定およびフィードバック技術より優れる。
論文参考訳（メタデータ） (2023-06-08T06:15:17Z)
Learning to Perform Downlink Channel Estimation in Massive MIMO Systems [72.76968022465469]
大規模マルチインプット・マルチアウトプット(MIMO)システムにおけるダウンリンク(DL)チャネル推定について検討する。一般的なアプローチは、チャネル硬化によって動機付けられた推定値として平均値を使用することである。本稿では2つの新しい推定法を提案する。
論文参考訳（メタデータ） (2021-09-06T13:42:32Z)
CNN based Channel Estimation using NOMA for mmWave Massive MIMO System [0.0]
本稿では,ハイブリッドアーキテクチャ上に構築されたミリ波(mmWave)系のチャネルを推定するための畳み込みニューラルネットワーク手法を提案する。まず、受信した信号からチャネルの粗い推定を行う。数値図は,提案手法が最小二乗推定,最小平均二乗誤差(MMSE)推定を上回り,クラマー・ラオ境界(CRB)に近いことを示す。
論文参考訳（メタデータ） (2021-08-01T05:33:55Z)
Learning to Estimate RIS-Aided mmWave Channels [50.15279409856091]
そこでは,観測観測のために,既知の基地局とRIS位相制御行列を併用したアップリンクチャネル推定手法を提案する。推定性能を向上し, トレーニングオーバーヘッドを低減するため, 深部展開法において, mmWaveチャネルの固有チャネル幅を生かした。提案したディープ・アンフォールディング・ネットワーク・アーキテクチャは,トレーニングオーバーヘッドが比較的小さく,オンライン計算の複雑さも比較的小さく,最小二乗法(LS)法より優れていることが確認された。
論文参考訳（メタデータ） (2021-07-27T06:57:56Z)
Model-Driven Deep Learning Based Channel Estimation and Feedback for Millimeter-Wave Massive Hybrid MIMO Systems [61.78590389147475]
本稿では,ミリ波(mmWave)システムのモデル駆動深層学習(MDDL)に基づくチャネル推定とフィードバック方式を提案する。無線周波数(RF)鎖の限られた数から高次元チャネルを推定するためのアップリンクパイロットオーバーヘッドを低減するために,位相シフトネットワークとチャネル推定器を自動エンコーダとして共同で訓練することを提案する。 MDDLに基づくチャネル推定とフィードバック方式は,最先端の手法よりも優れていることを示す。
論文参考訳（メタデータ） (2021-04-22T13:34:53Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。